Expanded graphite/reduced graphene oxide hybrid architecture functionalized with RuO2 nanoclusters for high performance energy storage
Notice bibliographique
Résumé
In this study, a one-step thermal process was employed to functionalize a graphene-based composite consisting of expanded graphite (EG) and reduced graphene oxide (rGO) with ruthenium nanoclusters of 2–3 nm in diameter. The Ru/EG-rGO nanocomposites were optimized by varying the EG content and annealing temperature, revealing their effects on substrate interconnectivity, nanoparticle binding affinity, and the degree of reduction of graphene oxide (GO) and ruthenium chloride. The optimized Ru/EG-rGO nanocomposite, with a 1:1 ratio of EG:GO and annealing temperature of 350 °C, exhibited the highest specific capacitance at 382 F g −1 in 0.5 M H 2 SO 4 . In a symmetric capacitor configuration, the material demonstrated superior performance compared to other Ru-based supercapacitors, achieving a high energy density of 22.1 Wh kg −1 at a power density of 0.5 kW kg −1 , and retained 13.6 Wh kg −1 at a power density of 10 kW kg −1 . Furthermore, the material showcased remarkable durability, retaining 97 % of the initial capacitance after 10,000 cycles at 5 kW kg −1 . The high performance and stability, combined with the ease of fabrication, makes this novel Ru/EG-rGO nanocomposite promising for supercapacitor applications, and the design strategies demonstrated in this work can be further applied to the development and large-scale fabrication of energy storage materials. • A hybrid graphene-based substrate was synthesized and used to support RuO 2 nanoclusters. • The nanocomposite was made thermally in one step from common precursors. • The composition and annealing temperature can be tuned to increase performance. • The optimized nanocomposite exhibited high capacitance and high stability.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».